Als «conditional-probability» getaggte Fragen

Es gibt viele Fragen (wie diese ) über eine Mehrdeutigkeit mit der Bayes'schen Formel im kontinuierlichen Fall. p(θ|x)=p(x|θ)⋅p(θ)p(x)p(θ|x)=p(x|θ)⋅p(θ)p(x)p(\theta | x) = \frac{p(x | \theta) \cdot p(\theta)}{p(x)} Oft entsteht Verwirrung aus der Tatsache , dass Definition der bedingten Verteilung wird erklärt , wie ist abhängig von festen gegebenen .f(variable|parameter)f(variable|parameter)f(variable | parameter) …

9 distributions  bayesian  conditional-probability  likelihood 

Ich arbeite an Think Bayes (kostenlos hier: http://www.greenteapress.com/thinkbayes/ ) und mache Übung 3.1. Hier ist eine Zusammenfassung des Problems: "Eine Eisenbahn nummeriert ihre Lokomotiven in der Reihenfolge 1..N. Eines Tages sehen Sie eine Lokomotive mit der Nummer 60. Schätzen Sie, wie viele Lokomotiven die Eisenbahn hat." Diese Lösung wird mit …

9 bayesian  conditional-probability  bayes 

Ich arbeite mich durch ET Jaynes 'Buch Probability Theory - The Logic of Science (Selbststudium) Ursprüngliches Problem In Übung 2.1 heißt es: "Ist es möglich, eine allgemeine Formel für analog zu [der Formel ] aus den Produkt- und Summenregeln. Wenn ja, leiten Sie es ab; wenn nicht, erklären Sie, warum …

9 probability  bayesian  self-study  conditional-probability 

Ich habe zwei Zufallsvariablen, die unabhängig und identisch verteilt sind, dh :ϵ1,ϵ0∼iidGumbel(μ,β)ϵ1,ϵ0∼iidGumbel(μ,β)\epsilon_{1}, \epsilon_{0} \overset{\text{iid}}{\sim} \text{Gumbel}(\mu,\beta) F(ϵ)=exp(−exp(−ϵ−μβ)),F(ϵ)=exp⁡(−exp⁡(−ϵ−μβ)),F(\epsilon) = \exp(-\exp(-\frac{\epsilon-\mu}{\beta})), f(ϵ)=1βexp(−(ϵ−μβ+exp(−ϵ−μβ))).f(ϵ)=1βexp⁡(−(ϵ−μβ+exp⁡(−ϵ−μβ))).f(\epsilon) = \dfrac{1}{\beta}\exp(-\left(\frac{\epsilon-\mu}{\beta}+\exp(-\frac{\epsilon-\mu}{\beta})\right)). Ich versuche zwei Größen zu berechnen: Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]Eϵ1Eϵ0|ϵ1[c+ϵ1|c+ϵ1&gt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[c+\epsilon_{1}|c+\epsilon_{1}>\epsilon_{0}\right] Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]Eϵ1Eϵ0|ϵ1[ϵ0|c+ϵ1&lt;ϵ0]\mathbb{E}_{\epsilon_{1}}\mathbb{E}_{\epsilon_{0}|\epsilon_{1}}\left[\epsilon_{0}|c+\epsilon_{1}<\epsilon_{0}\right] Ich komme zu einem Punkt, an dem ich eine Integration für etwas in der Form durchführen muss: eexeexe^{e^{x}} , das in …

8 probability  logistic  conditional-probability  conditional-expectation  gumbel 

Ich habe nicht wirklich gesehen, dass Wahrscheinlichkeitsbücher die bedingte Erwartung berechnen, außer für σσ\sigma Algebren, die durch eine diskrete Zufallsvariable erzeugt werden. Sie geben einfach die Existenz der bedingten Erwartung zusammen mit ihren Eigenschaften an und belassen sie dabei. Ich finde das etwas ärgerlich und versuche, eine Methode zu finden, …

8 probability  conditional-probability  conditional-expectation  conditioning  sigma-algebra 

Angenommen, die Erde wurde von Marsraumschiffen angegriffen und wir haben Raketen, die gegen die Raumschiffe abgefeuert werden können. Die Wahrscheinlichkeit, jedes Raumschiff von jeder Rakete zu treffen und zu zerstören, beträgt (unabhängig vom Rest).m = k ⋅ n n pnnnm=k⋅nm=k⋅nm=k \cdot nnnnppp Wie groß ist die Wahrscheinlichkeit, alle Raumschiffe zu …

8 probability  conditional-probability  markov-process  coupon-collector-problem 

Mir wurde gesagt, dass ein Ereignis nur eine Zufallsvariable ist, die zugewiesen wurde, und dass Zufallsvariablen eine Verallgemeinerung von Ereignissen sind. Ich kann dies jedoch nicht mit der Definition eines Ereignisses als Teilmenge des Probenraums in Verbindung bringen . Darüber hinaus kann ein Ereignis entweder eintreten oder nicht, während eine …

8 probability  distributions  conditional-probability  random-variable 

Das Folgende ist eine Ableitung einer Dichte aus einer Arbeit, die ich gerade studiere. Entschuldigung für die schlechte Qualität, es ist ein ziemlich altes Papier. Ich muss klarstellen, dass die Standard-Exponentialdichte in ( 0 , ∞ ) hat , U auf ( 0 , 1 ) einheitlich ist und sie …

8 probability  self-study  distributions  conditional-probability  cdf 

Sei die Zielverteilung auf die absolut kontinuierlich zum dimensionalen Lebesgue-Maß geschrieben wird, dh:( R d , B ( R d ) ) dππ\pi(Rd,B(Rd))(Rd,B(Rd))(\mathbb{R}^d,\mathcal{B}(\mathbb{R^d}))ddd &amp; pgr; ( x 1 , . . . , x d ) λ d λ d ( d x 1 , . . . , d …

8 bayesian  conditional-probability  markov-process  gibbs  integral 

Ich habe Fragen zur Mischung der konjugierten Priors. Ich habe die Mischung aus konjugierten Priors ein paar Mal gelernt und gesagt, wenn ich Bayesianisch lerne. Ich frage mich, warum dieser Satz so wichtig ist und wie wir ihn anwenden werden, wenn wir eine Bayes'sche Analyse durchführen. Genauer gesagt illustrierte ein …

8 bayesian  conditional-probability  hierarchical-bayesian  conjugate-prior  exponential-family 

Ich habe zwei unabhängige Poisson-Prozesse und mit den Ankunftsraten bzw. . Die erwartete Zeit für das Eintreffen des nächsten Elements für den zusammengeführten Prozess sollte nun .AAABBBλAλA\lambda_AλBλB\lambda_B1λA+λB1λA+λB\frac {1}{\lambda_A+\lambda_B} Angenommen, ist die Ankunftszeit für das nächste Element des kombinierten Prozesses und oder als Ereignisse, bei denen die Elemente aus den Prozessen …

8 conditional-probability  poisson-process 

Wenn eine schwarze Kugel gezogen wird, wird sie im Satz nicht ersetzt, aber weiße Kugeln werden ersetzt. Ich habe mit den Notationen darüber nachgedacht: bbb ,www die anfängliche Anzahl von schwarzen und weißen Kugeln xich= ( b - i ) / ( b + w - i )xich=(b- -ich)/.(b+w- -ich)x_i …

8 conditional-probability  randomness 

Für mein aktuelles Projekt muss ich möglicherweise ein Modell erstellen, um das Verhalten einer bestimmten Personengruppe vorherzusagen. Der Trainingsdatensatz enthält nur 6 Variablen (ID dient nur zu Identifikationszwecken): id, age, income, gender, job category, monthly spend in dem monthly spendist die Antwortvariable. Der Trainingsdatensatz enthält jedoch ungefähr 3 Millionen Zeilen, …

8 modeling  large-data  overfitting  clustering  algorithms  error  spatial  r  regression  predictive-models  linear-model  average  measurement-error  weighted-mean  error-propagation  python  standard-error  weighted-regression  hypothesis-testing  time-series  machine-learning  self-study  arima  regression  correlation  anova  statistical-significance  excel  r  regression  distributions  statistical-significance  contingency-tables  regression  optimization  measurement-error  loss-functions  image-processing  java  panel-data  probability  conditional-probability  r  lme4-nlme  model-comparison  time-series  probability  probability  conditional-probability  logistic  multiple-regression  model-selection  r  regression  model-based-clustering  svm  feature-selection  feature-construction  time-series  forecasting  stationarity  r  distributions  bootstrap  r  distributions  estimation  maximum-likelihood  garch  references  probability  conditional-probability  regression  logistic  regression-coefficients  model-comparison  confidence-interval  r  regression  r  generalized-linear-model  outliers  robust  regression  classification  categorical-data  r  association-rules  machine-learning  distributions  posterior  likelihood  r  hypothesis-testing  normality-assumption  missing-data  convergence  expectation-maximization  regression  self-study  categorical-data  regression  simulation  regression  self-study  self-study  gamma-distribution  modeling  microarray  synthetic-data 

Ich tat dies auf offensichtliche Weise und mein Freund kam mit einer besseren Idee zurück. Könnt ihr beide beurteilen oder verbessern? Auf meine Art: Die Cincinnati Bengals und die Cleveland Browns haben beide am Sonntag zum ersten Mal seit 46 Wochen gewonnen (sagt ESPN). Das schien viel zu unwahrscheinlich ... …

8 conditional-probability 

Ich berechne einige bedingte Wahrscheinlichkeiten und zugehörige 95% -Konfidenzintervalle. In vielen meiner Fälle habe ich eine einfache Anzahl von xErfolgen aus nVersuchen (aus einer Kontingenztabelle), sodass ich ein Binomial-Konfidenzintervall verwenden kann, wie es binom.confint(x, n, method='exact')in in angegeben ist R. In anderen Fällen habe ich solche Daten jedoch nicht, daher …

8 r  bayesian  confidence-interval  conditional-probability  hidden-markov-model  segmentation  hypothesis-testing  statistical-significance  multiple-comparisons  multiple-regression  r  regression  survey  sample  finite-population  pca  model-selection  dataset  partitioning  clustering  time-series  least-squares  regression  standard-error  causality  r  time-series  outliers  missing-data  machine-learning  svm  hypothesis-testing  discrete-data  r  data-visualization  survey  likert  finance  regression  pca  feature-selection  stepwise-regression  underdetermined  svm  natural-language